[發明專利]超小參數量的分割模型的實現方法

有效

• 申請號: 202010045961.X
• 申請日: 2020-01-16
• 公開（公告）號: CN111260662B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 程明明;高尚華;譚永強;陸承澤
• 申請（專利權）人: 南開大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/0464;G06N3/048;G06N3/084
• 代理公司: 天津耀達律師事務所 12223
• 代理人: 張耀

1.超小參數量的分割模型的實現方法，其特征在于：

包括針對圖像分割的輕量級網絡，該輕量級網絡分為主干網絡和多尺度特征融合模塊兩部分，以及包括基于動態權重衰減輔助的神經網絡訓練和模型壓縮，其中：

a.基于可同時處理多種尺寸特征的卷積構建主干網絡架構；

b.提出特征融合模塊將來源于主干網絡結構中不同階段的特征進行融合；

c.提出動態權重衰減輔助的神經網絡訓練策略增加網絡參數的稀疏程度；

d.對利用動態權重衰減方法訓練完成的模型進行冗余參數剪枝，得到具有較優不同尺寸通道比例的超小參數量的分割模型；

較優不同尺寸通道比例的模型中，可同時處理不同尺寸特征的卷積的不同尺寸特征通道的比例，在去除冗余通道后達到較優狀態。

2.根據權利要求1所述的超小參數量的分割模型的實現方法，其特征在于：主干網絡架構由可同時處理多種尺寸特征的卷積構成。

3.根據權利要求1所述的超小參數量的分割模型的實現方法，其特征在于：特征融合模塊融合來自主干網絡結構中不同階段的特征，模塊中每個尺寸的特征分別經過并行的具有不同感受野的卷積處理提取多尺度特征信息。

4.根據權利要求1所述的超小參數量的分割模型的實現方法，其特征在于：動態權重衰減根據當前訓練樣本生成的特征圖動態地調節權重衰減的強度。

5.根據權利要求1或2所述的超小參數量的分割模型的實現方法，其特征在于：主干網絡由基礎模塊堆疊而成，基礎模塊由可以同時處理不同尺寸特征圖的八度音階卷積OctConv和深度卷積構成，標準OctConv用于不同分辨率的特征之間的交互，每個卷積后面緊跟著歸一化層和激活層。